第二百一十一章 B端业务

张益达不耐其烦的给各位领导讲解起了很多工作原理。

“我们如果采购这一整套解决方案，该如何落地？”

工行领导的这一句问到了点子上，其他三大行领导也把目光投向张益达，看他如何回答。

“这个很简单嘛！

四大银行引入我们这一整套解决方案，将可以对你们银行体系的全部用户进行信用评估和分级。

再按照不同的信用评级，给予用户不同的授信额度和风险定价。

信用好的，额度给高点，利息给低一点；

信用差一点的，额度就给低一点，利息给高一点。后期再根据用户的履约情况进行二次信用评估和额度授予、利息调整。”

“光这一点的话。我们的信用卡评分模型也可以做到啊！”

工行领导连连摇头，他们宇宙行的风控技术也不是盖的，张益达拿出来的这套风控模型，在他看来，也没什么了不起的。

他们工行每年都聘请了很多985院校毕业的后台技术人员，还投入了重金用于研发，风控技术一向不差。

“那贵行的坏账率是多少？2%还是1.5%？

风控模型和风控模型之间也是有差距的。”

张益达的言外之意，在座的人都听懂了，意思是：锐向的风控技术比他们四大行的强。

几位领导都笑了，这位张总还真是年轻气盛啊！

竟然敢说我们比不上你们锐向！

谁给你的勇气？梁静茹吗？

四大行中，以工行为例，去年用于it技术研发的经费投入不低于50个亿，这还没有算上整个it架构、it团队日常运行所耗费的资金。

当然，这50个亿不是全砸风控系统上面的。

机房建设及维护，服务器采购及维护，网点终端设备采购及维护都得花钱。

真正投入到“金融科技，风控系统”一类的投入叫“应用系统及厂商服务”。

对于银行应用系统的开发而言，也大致有三个阶段：购买厂商产品、雇佣外包开发团队、建设研发团队。

对于小型银行如城商行，首先会选择厂商产品，股份制银行多数雇佣外包开发团队，大型银行或科技化程度较高的股份制银行会选择建设自己的研发团队以满足个性化的需求。

像工行40多万名员工中，就有近1万人的科技岗员工。

张益达看他们脸色，就知道他们不相信自己的话。

认为四大行依旧遥遥领先，每年投入的研发经费岂是你一个创业公司比得上的。

张益达觉得有必要和他们上一课，他又说：“我想问下，四大行的风控数据是不是都来源于金融数据？或者说央行征信。”

张益达这话就把几位领导问懵了，他们不太了解这些基层业务啊。

几位领导把目光投向各自带来的年轻人。

这几个年轻人见领导和张益达一直在说话，没有领导开口，一直就在一旁静听，哪里敢胡乱插嘴。

现在见领导示意自己开口，他们这才说话了：

“对，我们的风控系统都是来自于银行的各类业务数据，包括存款，取款，借款，转账等等。”

“除此以外，还要调用用户的央行征信报告。”

“我们的“绿豆信用”和“锐向超级大脑”也会收集用户的金融数据，包括投资理财，借款等等。

但生活数据我们也会收集分析，比如说骑共享单车，共享单车的日常骑行轨迹可以分析出很多有价值的东西。

一个用户骑了一年共享单车，长期都是骑到同一栋写字楼，那说明工作稳定。

一个用户骑共享单车的时候，遵守规则，使用规范，也说明这个人有良好品质……

除此以外，绿豆信用还接入了多个使用场景，比如说租房，住宿，租物等等。

这些应用场景，都可以积累收集一个用户的履约数据。

魔宝支付，也可以搜集一个用户的生活消费数据。

另外，我们还和数百家互联网金融企业有合作。

这些企业会让用户在借款的时候，进行绿豆信用分授权。

借此，我们可以掌握一个用户的多头借贷和共债数据。”

张益达把自身产品优势稍微提及了一下，相比于四大行，锐向的科技能力早已脱离了金融，朝生活中的方方面面覆盖。

简而言之：数据收集越多，风控就越做得好。

四大行领导这下不说话了，这怎么比？

锐向都开始朝一个用户生活的方方面面渗透了，一个人都快在大数据面前成透明的了。

他们可算是搞明白了锐向的贷款坏账率那么低的原因。

奥秘就在大数据分析上面。

和几位领导达成了意向，接下来天策科技还要走一个“招投标”流程。

张益达一点也不担心投不中标，意向都早就达成了，就是走个流程。

蚂蟥金服只要不来捣乱，其他企业没哪家敢说金融科技实力胜过锐向。

而且四大行还是锐向的股东，肯定要照顾一下自家人。

天策科技的b端客户早前一直是互联网金融行业的中小企业。

但客单价太低了！张益达早就不满足了，准备进军一下高端领域。

先拿下四大行，有这些案例在手，再慢慢朝股份行、城商行等机构推进。